TensorFlow学习之平面拟合三维数据

1 利用Python编写的TensorFlow代码，初步对TensorFlow有所了解。

  生成一些三维数据，然后用一个平面进行拟合

2 实验代码及结果截图

#coding:utf-8
import tensorflow as tf
import numpy as np
#生成假数据，总共100个点
x_data=np.float32(np.random.rand(2,100))
y_data=np.dot([0.100,0.200], x_data)+0.300
#构造线性模型
b=tf.Variable(tf.zeros([1]))
w=tf.Variable(tf.random_uniform([1,2],-1.0,1.0))
y=tf.matmul(w,x_data)+b
#最小化方差
loss=tf.reduce_mean(tf.square(y-y_data))
optimizer=tf.train.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)
#初始化变量
init=tf.initialize_all_variables()
#启动图
sess=tf.Session()
sess.run(init)
#拟合平面
print "拟合结果："
for step in xrange(0,201):
    sess.run(train)
    if step%20==0:

        print "step:",step,"w:",sess.run(w),"b:",sess.run(b)